Компании активно внедряют ИИ-агентов, рассчитывая передать им значительную часть операционки. Однако в основе этого подхода часто лежит спорное допущение, что процессы, которые бизнес собирается автоматизировать, уже хорошо организованы.

На эту проблему обращает внимание технологический журналист Кихара Кимачиа в статье для TechFinitive. Он приходит к выводу, что сначала компании необходимо увидеть реальную картину работы и найти «узкие места» с Process Mining, а только затем передавать задачи на аутсорс ИИ-агентам.

Ручные операции, неформальные согласования и другие проблемы накапливаются годами, и к этому люди успевают привыкнуть и приспособиться. Передача такой работы ИИ-агенту усиливает проблемы и хаос быстрее и в большем масштабе.

Регламент не всегда отражает реальную работу

На схеме процесс закупки или оплаты поставщику может выглядеть последовательно и логично: заявка, согласование, заказ, приемка, оплата. Реальное выполнение процесса обычно сложнее.

Сотрудники могут согласовывать документы по электронной почте, потому что корпоративная система работает слишком медленно. Финансовое подразделение — вести отдельную таблицу для исправления некорректных данных о поставщиках. Региональный руководитель — использовать неформальный способ ускорения заказа, который помогает решить проблему клиента, но создает риски для контроля и аудита.

Такие действия нельзя считать незначительными отклонениями от основного процесса. Во многих случаях именно так процесс фактически и работает.

ИИ-агент, обученный на формальном регламенте или ограниченном наборе данных, может не отличить обоснованное исключение от неэффективной практики. В результате он начнет быстрее воспроизводить обходные маршруты, распространять их на большее количество операций и превращать временные решения в фактический стандарт работы. Все это — масштабирование существующей неэффективности.

Сначала анализ, затем автоматизация

До внедрения ИИ-агентов компании необходимо получить объективное представление о том, как выполняется процесс.

Интервью с сотрудниками, рабочие встречи и схемы помогают описать предполагаемый порядок действий, но не всегда показывают реальный расклад. Process Mining использует данные информационных систем и позволяет восстановить фактические маршруты выполнения процесса. Такой анализ помогает заранее выявить:

• повторяющиеся исключения;
• задержки на этапах согласования;
• возвраты и повторные операции;
• ручные исправления данных;
• обходные маршруты;
• различия между подразделениями и регионами;
• действия, которые не создают ценности для бизнеса или клиента.

Только после этого можно принимать решение, какую часть процесса целесообразно передавать ИИ-агенту, а какую сначала необходимо изменить или исключить. Объектно-ориентированный подход позволяет анализировать не отдельные функции, а взаимосвязи между продажами, закупками, логистикой и финансами.

Благодаря этому бизнес может увидеть проблемное согласование, повторяющееся исключение или ручную корректировку до того, как ИИ-агент закрепит их в качестве стандартного способа выполнения процесса.

ИИ-агенту недостаточно полномочий — ему нужен контекст

При обсуждении агентного ИИ внимание часто сосредоточено на вопросах управления: какие действия агент может выполнять самостоятельно, к каким системам ему разрешен доступ, где требуется подтверждение сотрудника и кто отвечает за принятое решение.

ИИ-агенту недостаточно знать последовательность действий. Он должен учитывать контекст процесса, понимать связи между подразделениями и распознавать ситуации, в которых стандартный маршрут перестает работать.

Например, задержка на одном этапе может быть вызвана не работой ответственного сотрудника, а ошибкой в данных, поступивших из предыдущей системы. Автоматизация отдельной операции ускорит передачу некорректной информации, но не улучшит результат всего процесса.

Поэтому перед предоставлением ИИ-агентам автономности компании необходимо определить:

• как процесс выполняется в действительности;
• где возникают отклонения и почему;
• какие действия являются необходимыми исключениями;
• какие операции появились из-за недостатков организации или ИТ-систем;
• как автоматизация одного этапа повлияет на последующие;
• какой бизнес-результат должен измениться после внедрения.

Process Mining в этой модели формирует фактическую основу, на которой можно проектировать работу ИИ-агентов и контролировать полученный эффект.

Не каждый процесс нужно ускорять

Агентный ИИ способен существенно повысить скорость выполнения операций. Но скорость сама по себе не означает эффективность.

Если процесс содержит лишние согласования, дублирующие действия, системные ошибки или неформальные обходные маршруты, ИИ-агент лишь увеличит количество проблемных операций, которые компания сможет выполнять за единицу времени.

Поэтому перед автоматизацией бизнесу необходимо ответить не только на вопрос «может ли ИИ выполнить эту работу», но и на вопрос «должна ли эта работа выполняться именно так». Сначала процесс необходимо исследовать, устранить устойчивые причины потерь и определить целевую модель. И только затем — передавать отдельные операции ИИ-агентам.

По материалам TechFinitive